核心概念
社交媒體演算法,特別是那些優先考慮參與度的演算法,可能會通過增加用戶接觸反民主態度和黨派敵意內容的機會,加劇情感極化和負面情緒。
本研究論文探討了社交媒體演算法對情感極化的影響,特別關注於接觸反民主態度和黨派敵意 (AAPA) 內容的作用。作者進行了一項實地實驗,通過重新排序參與者的 X (Twitter) 動態消息來減少或增加他們接觸 AAPA 內容的機會。
研究目標
本研究旨在探討以下問題:
減少或增加接觸 AAPA 內容是否會影響用戶對對方政黨的情感極化?
操縱接觸 AAPA 內容是否會影響用戶在使用社交媒體時的情緒體驗?
方法
研究人員招募了超過 1200 名美國 X 用戶,他們自我認同為民主黨人或共和黨人,並定期參與政治內容。參與者被隨機分配到三個組別之一:減少 AAPA 內容接觸組、增加 AAPA 內容接觸組和對照組。在為期 10 天的研究中,研究人員使用瀏覽器擴展程序實時修改了參與者的動態消息,以減少或增加他們接觸 AAPA 內容的機會。
主要發現
與對照組相比,減少接觸 AAPA 內容的參與者對對方政黨表現出更溫暖的情感,而增加接觸 AAPA 內容的參與者則表現出更冷淡的情感。
減少接觸 AAPA 內容的參與者報告的憤怒和悲傷等負面情緒有所減少,而增加接觸 AAPA 內容的參與者則報告的負面情緒有所增加。
這些干預措施對傳統的參與度指標(如轉發和點讚率)沒有顯著影響。
主要結論
研究結果表明,社交媒體演算法,特別是那些優先考慮參與度的演算法,可能會通過增加用戶接觸 AAPA 內容的機會,加劇情感極化和負面情緒。作者認為,通過設計演算法來減少接觸此類內容,社交媒體平台可以幫助減輕情感極化並促進更健康的民主話語。
研究意義
本研究為理解社交媒體演算法對情感極化的影響提供了重要的見解。研究結果對社交媒體平台、政策制定者和希望減輕線上政治極化負面影響的研究人員具有重要意義。
局限性和未來研究方向
本研究有一些局限性,包括:
樣本僅限於美國 X 用戶,這可能會限制研究結果的普遍性。
該實驗檢查的是短期效應,需要進一步的研究來評估長期效應。
未來研究可以探討其他類型的內容對情感極化的影響,以及設計可以有效減少接觸此類內容的演算法。
統計資料
平均而言,參與者每天瀏覽 158 篇帖子(中位數 = 94 篇),並在 X 動態消息上花費 43.8 分鐘(中位數 = 19.2 分鐘)。
在基準期內,參與者瀏覽的帖子中平均有 32% 與政治或社會議題相關。
在這些帖子中,有 33.1% 被歸類為 AAPA,佔總動態消息內容的平均 10.6%。
減少 AAPA 內容接觸實驗的參與者在實驗後報告的對方政黨溫暖度顯著提高,提高了 2.11 度(95% 置信區間:[0.15, 4.06];P=0.035)。
相反,增加 AAPA 內容接觸實驗的參與者對對方政黨的情感溫暖度下降了 -2.48 度(95% 置信區間:[-4.79, -0.17];P=0.036)。